Detecção de pele humana utilizando modelos estocásticos multi-escala de textura
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/70193 |
Resumo: | A detecção de gestos é uma etapa importante em aplicações de interação humanocomputador. Se a mão do usuário é detectada com precisão, tanto a análise quanto o reconhecimento do gesto de mão se tornam mais simples e confiáveis. Neste trabalho, descrevemos um novo método para detecção de pele humana, destinada a ser empregada como uma etapa de pré-processamento para segmentação de gestos de mão em sistemas que visam o seu reconhecimento. Primeiramente, treinamos os modelos de cor e textura de pele (material a ser identificado) a partir de um conjunto de treinamento formado por imagens de pele. Nessa etapa, construímos um modelo de mistura de Gaussianas (GMM), para determinar os tons de cor da pele e um dicionário de textons, para textura de pele. Em seguida, introduzimos um estratégia de fusão estocástica de regiões de texturas, para determinar todos os segmentos de diferentes materiais presentes na imagem (cada um associado a uma textura). Tendo obtido todas as regiões, cada segmento encontrado é classificado com base nos modelos de cor de pele (GMM) e textura de pele (dicionário de textons). Para testar o desempenho do algoritmo desenvolvido realizamos experimentos com o conjunto de imagens SDC, projetado especialmente para esse tipo de avaliação (detecção de pele humana). Comparado com outras técnicas do estado-daarte em segmentação de pele humana disponíveis na literatura, os resultados obtidos em nossos experimentos mostram que a abordagem aqui proposta é resistente às variações de cor e iluminação decorrentes de diferentes tons de pele (etnia do usuário), assim como de mudanças de pose da mão, mantendo sua capacidade de discriminar pele humana de outros materiais altamente texturizados presentes na imagem. |
id |
URGS_d14a473beb94452b7df5d2f8e3966498 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/70193 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Medeiros, Rafael SachettScharcanski, Jacob2013-04-11T01:47:42Z2013http://hdl.handle.net/10183/70193000875008A detecção de gestos é uma etapa importante em aplicações de interação humanocomputador. Se a mão do usuário é detectada com precisão, tanto a análise quanto o reconhecimento do gesto de mão se tornam mais simples e confiáveis. Neste trabalho, descrevemos um novo método para detecção de pele humana, destinada a ser empregada como uma etapa de pré-processamento para segmentação de gestos de mão em sistemas que visam o seu reconhecimento. Primeiramente, treinamos os modelos de cor e textura de pele (material a ser identificado) a partir de um conjunto de treinamento formado por imagens de pele. Nessa etapa, construímos um modelo de mistura de Gaussianas (GMM), para determinar os tons de cor da pele e um dicionário de textons, para textura de pele. Em seguida, introduzimos um estratégia de fusão estocástica de regiões de texturas, para determinar todos os segmentos de diferentes materiais presentes na imagem (cada um associado a uma textura). Tendo obtido todas as regiões, cada segmento encontrado é classificado com base nos modelos de cor de pele (GMM) e textura de pele (dicionário de textons). Para testar o desempenho do algoritmo desenvolvido realizamos experimentos com o conjunto de imagens SDC, projetado especialmente para esse tipo de avaliação (detecção de pele humana). Comparado com outras técnicas do estado-daarte em segmentação de pele humana disponíveis na literatura, os resultados obtidos em nossos experimentos mostram que a abordagem aqui proposta é resistente às variações de cor e iluminação decorrentes de diferentes tons de pele (etnia do usuário), assim como de mudanças de pose da mão, mantendo sua capacidade de discriminar pele humana de outros materiais altamente texturizados presentes na imagem.Gesture detection is an important task in human-computer interaction applications. If the hand of the user is precisely detected, both analysis and recognition of hand gesture become more simple and reliable. This work describes a new method for human skin detection, used as a pre-processing stage for hand gesture segmentation in recognition systems. First, we obtain the models of color and texture of human skin (material to be identified) from a training set consisting of skin images. At this stage, we build a Gaussian mixture model (GMM) for identifying skin color tones and a dictionary of textons for skin texture. Then, we introduce a stochastic region merging strategy, to determine all segments of different materials present in the image (each associated with a texture). Once the texture regions are obtained, each segment is classified based on skin color (GMM) and skin texture (dictionary of textons) model. To verify the performance of the developed algorithm, we perform experiments on the SDC database, specially designed for this kind of evaluation (human skin detection). Also, compared with other state-ofthe- art skin segmentation techniques, the results obtained in our experiments show that the proposed approach is robust to color and illumination variations arising from different skin tones (ethnicity of the user) as well as changes of pose, while keeping its ability for discriminating human skin from other highly textured background materials.application/pdfporComputação gráficaProcessamento de imagensInformática médicaImage segmentationStochastic region mergingTexture recognitionHuman skin detectionHand gesture segmentationDetecção de pele humana utilizando modelos estocásticos multi-escala de texturaSkin detection for hand gesture segmentation via multi-scale stochastic texture models info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2013mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000875008.pdf000875008.pdfTexto completoapplication/pdf9375275http://www.lume.ufrgs.br/bitstream/10183/70193/1/000875008.pdf75f96952df4410a8a52abe7655f3b884MD51TEXT000875008.pdf.txt000875008.pdf.txtExtracted Texttext/plain203691http://www.lume.ufrgs.br/bitstream/10183/70193/2/000875008.pdf.txtf5abc660a9951eacca45de2d644ccdb7MD52THUMBNAIL000875008.pdf.jpg000875008.pdf.jpgGenerated Thumbnailimage/jpeg1030http://www.lume.ufrgs.br/bitstream/10183/70193/3/000875008.pdf.jpgbae09a3170c233cd7e428a935b7ce9d4MD5310183/701932021-05-26 04:29:31.357615oai:www.lume.ufrgs.br:10183/70193Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532021-05-26T07:29:31Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Detecção de pele humana utilizando modelos estocásticos multi-escala de textura |
dc.title.alternative.en.fl_str_mv |
Skin detection for hand gesture segmentation via multi-scale stochastic texture models |
title |
Detecção de pele humana utilizando modelos estocásticos multi-escala de textura |
spellingShingle |
Detecção de pele humana utilizando modelos estocásticos multi-escala de textura Medeiros, Rafael Sachett Computação gráfica Processamento de imagens Informática médica Image segmentation Stochastic region merging Texture recognition Human skin detection Hand gesture segmentation |
title_short |
Detecção de pele humana utilizando modelos estocásticos multi-escala de textura |
title_full |
Detecção de pele humana utilizando modelos estocásticos multi-escala de textura |
title_fullStr |
Detecção de pele humana utilizando modelos estocásticos multi-escala de textura |
title_full_unstemmed |
Detecção de pele humana utilizando modelos estocásticos multi-escala de textura |
title_sort |
Detecção de pele humana utilizando modelos estocásticos multi-escala de textura |
author |
Medeiros, Rafael Sachett |
author_facet |
Medeiros, Rafael Sachett |
author_role |
author |
dc.contributor.author.fl_str_mv |
Medeiros, Rafael Sachett |
dc.contributor.advisor1.fl_str_mv |
Scharcanski, Jacob |
contributor_str_mv |
Scharcanski, Jacob |
dc.subject.por.fl_str_mv |
Computação gráfica Processamento de imagens Informática médica |
topic |
Computação gráfica Processamento de imagens Informática médica Image segmentation Stochastic region merging Texture recognition Human skin detection Hand gesture segmentation |
dc.subject.eng.fl_str_mv |
Image segmentation Stochastic region merging Texture recognition Human skin detection Hand gesture segmentation |
description |
A detecção de gestos é uma etapa importante em aplicações de interação humanocomputador. Se a mão do usuário é detectada com precisão, tanto a análise quanto o reconhecimento do gesto de mão se tornam mais simples e confiáveis. Neste trabalho, descrevemos um novo método para detecção de pele humana, destinada a ser empregada como uma etapa de pré-processamento para segmentação de gestos de mão em sistemas que visam o seu reconhecimento. Primeiramente, treinamos os modelos de cor e textura de pele (material a ser identificado) a partir de um conjunto de treinamento formado por imagens de pele. Nessa etapa, construímos um modelo de mistura de Gaussianas (GMM), para determinar os tons de cor da pele e um dicionário de textons, para textura de pele. Em seguida, introduzimos um estratégia de fusão estocástica de regiões de texturas, para determinar todos os segmentos de diferentes materiais presentes na imagem (cada um associado a uma textura). Tendo obtido todas as regiões, cada segmento encontrado é classificado com base nos modelos de cor de pele (GMM) e textura de pele (dicionário de textons). Para testar o desempenho do algoritmo desenvolvido realizamos experimentos com o conjunto de imagens SDC, projetado especialmente para esse tipo de avaliação (detecção de pele humana). Comparado com outras técnicas do estado-daarte em segmentação de pele humana disponíveis na literatura, os resultados obtidos em nossos experimentos mostram que a abordagem aqui proposta é resistente às variações de cor e iluminação decorrentes de diferentes tons de pele (etnia do usuário), assim como de mudanças de pose da mão, mantendo sua capacidade de discriminar pele humana de outros materiais altamente texturizados presentes na imagem. |
publishDate |
2013 |
dc.date.accessioned.fl_str_mv |
2013-04-11T01:47:42Z |
dc.date.issued.fl_str_mv |
2013 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/70193 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000875008 |
url |
http://hdl.handle.net/10183/70193 |
identifier_str_mv |
000875008 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/70193/1/000875008.pdf http://www.lume.ufrgs.br/bitstream/10183/70193/2/000875008.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/70193/3/000875008.pdf.jpg |
bitstream.checksum.fl_str_mv |
75f96952df4410a8a52abe7655f3b884 f5abc660a9951eacca45de2d644ccdb7 bae09a3170c233cd7e428a935b7ce9d4 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085253145952256 |